语言大模型 / LLM

Metadata Conditioned Large Language Models for Localization

具有元数据条件的大型语言模型用于本地化

Anjishnu Mukherjee, Ziwei Zhu, Antonios Anastasopoulos

机构 * Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学） 纠错

专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；instruction tuning(abstract)；分类 cs.CL

AI总结 本文提出通过元数据条件来提升大型语言模型的本地化能力，通过预训练和实验验证了其在不同区域表现的提升效果和效率优势。

Comments under review

DNF: Dual-Layer Nested Fingerprinting for Large Language Model Intellectual Property Protection

DNF：用于大语言模型知识产权保护的双层嵌套指纹

Zhenhua Xu, Yiran Zhao, Mengting Zhong, Dezhang Kong, Changting Lin, Tong Qiao, Meng Han

机构 * Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Hefei University of Technology（合肥工业大学） 纠错

专题命中 指令微调 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI

AI总结 DNF通过结合领域特定风格线索和隐含语义触发器，实现大语言模型的隐蔽知识产权保护。

Comments Accepted by ICASSP2026

Call2Instruct: Automated Pipeline for Generating Q&A Datasets from Call Center Recordings for LLM Fine-Tuning

Call2Instruct：从呼叫中心录音自动生成问答数据集的自动化流程用于LLM微调

Alex Echeverria, Sávio Salvarino Teles de Oliveira, Fernando Marques Federson

机构 * Instituto de Informática – Universidade Federal de Goiás（信息技术学院 – 巴西戈亚州联邦大学） 纠错

专题命中 指令微调 ：LLM(title,abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出Call2Instruct自动化流程，通过音频处理、文本处理和语义提取技术，从呼叫中心录音生成问答数据集，用于LLM微调。

Comments 15 pages, 1 figures, conference

Do We Really Need SFT? Prompt-as-Policy over Knowledge Graphs for Cold-start Next POI Recommendation

我们真的需要SFT吗？基于知识图谱的提示作为策略用于冷启动下POI推荐

Jinze Wang, Lu Zhang, Yiyang Cui, Tiehua Zhang, Zhishu Shen, Yuze Liu, Xingjun Ma, Jiong Jin

专题命中 指令微调 ：SFT(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本文提出基于知识图谱的提示作为策略方法，通过构建可学习的决策过程提升冷启动下POI推荐性能，实现对非活跃用户11.87%的Acc@1提升。

Scaling Ambiguity: Augmenting Human Annotation in Speech Emotion Recognition with Audio-Language Models

缩放歧义：通过音频-语言模型增强语音情感识别中的人工标注

Wenda Zhang, Hongyu Jin, Siyi Wang, Zhiqiang Wei, Ting Dang

机构 * University of Melbourne（墨尔本大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 指令微调 ：language model(title,abstract)；prompting(abstract)；分类 cs.AI、cs.LG

AI总结 本文通过音频-语言模型生成合成标注，提升语音情感识别中模糊情感的真实分布可靠性，实验表明合成标注在低歧义区域效果显著，但高歧义情况需进一步优化。

Comments Accepted by ICASSP 2026

Exploring Fine-Tuning of Large Audio Language Models for Spoken Language Understanding under Limited Speech Data

探索有限语音数据下大型音频语言模型的微调以提升语音语言理解

Youngwon Choi, Jaeyoon Jung, Hyeonyu Kim, Huu-Kim Nguyen, Hwayeon Kim

机构 * MAUM AI Inc.（MAUM AI公司） ； Soongsil University（_soongsil大学） 纠错

专题命中 指令微调 ：language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 本研究探讨了在有限语音数据条件下，通过不同微调方案提升语音语言理解性能，发现文本-only微调已具竞争力，课程学习在数据稀缺时效果显著。

Comments 4 pages (excluding references), 2 figures, ICASSP 2026 (Accepted)

Causal Data Augmentation for Robust Fine-Tuning of Tabular Foundation Models

因果数据增强用于表格基础模型的稳健微调

Magnus Bühler, Lennart Purucker, Frank Hutter

机构 * Department of Computer Science University of Freiburg（计算机科学系弗赖堡大学） ； University of Freiburg（弗赖堡大学） ； Prior Labs ELLIS Institute Tübingen University of Freiburg（Prior实验室ELLIS研究所弗赖堡大学） 纠错

专题命中 指令微调 ：foundation model(title,abstract)；分类 cs.LG

AI总结 CausalMixFT通过因果模型生成合成数据提升表格基础模型在低数据环境下的微调鲁棒性和性能。

Comments Accepted for oral presentation at the EurIPS 2025 Workshop on AI for Tabular Data (Copenhagen). Updated Limix citation

Adaptive Task Balancing for Visual Instruction Tuning via Inter-Task Contribution and Intra-Task Difficulty

面向视觉指令微调的自适应任务平衡：通过跨任务贡献和内在任务难度

Yanqi Dai, Yong Wang, Zebin You, Dong Jing, Xiangxiang Chu, Zhiwu Lu

机构 * Renmin University of China（中国人民大学） ； AMAP, Alibaba Group（阿里妈妈集团） 纠错

专题命中 指令微调 ：instruction tuning(title,abstract)；分类 cs.AI

AI总结 本文提出VisATB方法，通过跨任务贡献和内在任务难度实现视觉指令微调的自适应任务平衡，提升整体性能并缓解不平衡问题。

Comments Accepted for the ACM Web Conference 2026 (WWW 2026)

Lightweight LLMs for Network Attack Detection in IoT Networks

轻量级大语言模型用于物联网网络中的网络攻击检测

Piyumi Bhagya Sudasinghe, Kushan Sudheera Kalupahana Liyanage, Harsha S. Gardiyawasam Pussewalage

专题命中 指令微调 ：large language model(abstract)；language model(abstract)

AI总结 本文提出利用轻量级大语言模型结合QLoRA和RAG技术，实现高效的物联网网络攻击检测，展示在未知攻击类型上的零样本能力。

Comments 6 pages with 2 figures, This paper was accepted and presented at the 7th Computing, Communications and IoT Applications Conference (ComComAp 2025), held in Madrid, Spain, during 14th to 17th December 2025